基于混合特征双重衍生和误差修正的风电功率超短期预测

随着风电渗透率的不断提高,对风电功率进行精准、可靠的预测是提升风电消纳水平的有效措施。针对功率预测时风电数据种类不足和特征数量稀缺的问题,提出基于混合特征双重衍生和误差修正的风电功率超短期预测模型。首先,在原始功率特征中施加混沌噪声,构造出多条混沌扰动特征,改善原始功率特征分布过于单一的状况。其次,提出基于免疫算法的特征衍生算法,挖掘风电功率数据的潜在信息,增加优质特征数量,进而构建误差预测模型,通过预测风电功率预测误差修正风电功率预测结果,进一步提升预测准确率。最后,基于比利时风电场实际运行数据进行算例分析。所提模型预测效果较好,且相较其他传统预测模型精确度更高,验证了所提模型的有效性。

基于非线性慢特征回归的动态软测量建模

隐变量模型如部分最小二乘已经被广泛用于建立低维子空间,并以此建立回归模型用于质量预测。然而,它们都是基于工业过程的静态假设,一般实际的工业过程都是动态的。本文提出一种非线性慢特征回归模型,用作动态软测量模型。首先,对线性慢特征分析进行非线性扩展,然后非线性的慢特征作为隐变量通过扩展后的慢特征分析从过程数据中被提取出来。不同于传统的隐变量模型,慢特征分析假设隐变量具有缓慢变化的动态特性。由于工业过程明显的动态变化,慢特性可以被看作有效的先验知识加以利用。最后,利用提取的慢特征建立回归模型并用于产品质量的预测。实验结果表明,基于非线性慢特征的软测量模型要比传统的软测量模型预测精度高。

特征根回归法近红外光谱定量分析研究

本文以大豆样品为实验材料 ,研究了特征根回归法近红外光谱定量分析。用 40个大豆样品的近红外光谱数据建立测定大豆蛋白质含量的特征根回归模型 ,预测另外 32个大豆样品的蛋白质含量 ,结果同PLS回归方法进行了比较 ,表明特征根回归模型可用于生物样品的近红外光谱定量分析。特征根回归法是对PCR建模方法改进的又一种化学计量学定量分析校正方法 ,该方法在对样品光谱提取主成份时考虑了待分析组分的作用 ,因此所建立的定量分析模型有好的分析效果。研究结果进一步表明 ,以样品近红外光谱建立定量分析模型 。

判别特征回归的鲁棒目标跟踪

目的近年来,目标跟踪领域取得了很大进步,但是由于尺度变化,运动,形状畸变或者遮挡等造成的外观变化,仍然是目标跟踪中的一大挑战,因而有效的图像表达方法是提高目标跟踪鲁棒性的一个关键因素。方法从中层视觉角度出发,首先对训练图像进行超像素分割,将得到特征向量集以及对应的置信值作为输入值,通过特征回归的方法建立目标跟踪中的判别外观模型,将跟踪图像的特征向量输入该模型,得到候选区域的置信值,从而高效地分离前景和背景,确定目标区域。结果在公开数据集上进行跟踪实验。本文算法能较好地处理目标尺度变化、姿态变化、光照变化、形状畸变、遮挡等外观变化;和主流跟踪算法进行对比,本文算法在跟踪误差方面表现出色,在car Scale、subway、tiger1视频中能取得最好结果,平均误差为12像素,3像素和21像素;和同类型的方法相比,本文算法在算法效率上表现出色,所有视频的跟踪效率均高于同类型算法,在car Scale视频中的效率,是同类算法效率的32倍。结论实验结果表明,本文目标跟踪算法具有高效性和鲁棒性,适用于目标发生外观变化时的目标跟踪问题。目前跟踪中只用了单一特征,未来考虑融合多特征来提升算法鲁棒性和准确度。

爆破漏斗特征曲线回归合理性分析

对两类固体介质的爆破漏斗试验数据采用不同自变量不同次幂的多项式回归分析，对回归的效果进行了评价。分析结果表明，采用多项式回归比较能合理地确定爆破漏斗特征曲线，但提高多项式的幂指数不一定能提高回归效果。

具有线性回归特征的多组实验结果对比分析方法的研究

研究试验参数变化情况下 ,具有线性回归特征的多组试验结果差异性的对比分析方法。数学上该问题转化为对回归直线的常数 a和比例系数 b两组随机样本的 F检验。当这两个指标均无显著差异时 ,认为两组 (或多组 )试验数据无显著差异。该法将判断的范围外推到了整个实数域 ,因此要求条件过高。本文提出了重合度法 ,即用试验参数的共同区域内回归直线置信带的面积重合度 ,判断实验结果的一致性。对试验数据的分析表明 ,该方法具有明显的合理性 。

特征根回归法在稻田捕食性天敌捕食量分析中的应用

应用特征根回归法建立了拟水狼蛛 (Piratasubpiraticus)、食虫瘤胸蛛 (Oedothoraxinsecticeps)、粽管巢蛛 (Clubionajaponicola)和菱头跳蛛 (Bianorhotingchiehi) 4种蜘蛛与褐飞虱 (Nilaparvatalugens)共存系统捕食量的特征根回归模型 :y =6 .6 6 0 0 +6 .3399(- 0 .0 138X1 +0 .0 895X2 +0 .0 0 78X3 - 0 .10 6 7X4 +0 .6 74 2X5 ) .以此模型对蜘蛛捕食量进行了模拟或预测分析 ,并同LS回归方法进行了比较 .结果表明 ,特征根回归法可用于蜘蛛对褐飞虱捕食量的定量分析 ,比LS回归方法提高精度 10 % .

利用AIRS卫星资料反演大气廓线Ⅰ.特征向量统计反演法

引进美国威斯康星大学的IMAPP(InternationalMOD IS/AIRS Preprocessing Package)软件包,介绍了利用高光谱分辨率大气红外探测器AIRS(Atmospheric Infrared Sounder)观测辐射值,用特征向量统计法反演大气温度、湿度等垂直廓线的算法,采用亮度温度分类和扫描角分类回归后,减小了反演误差。并将其应用到中国地区,通过与无线电探空值及欧洲中期天气预报中心ECMWF(European Center ofMed ium-rangeW eather Forecasts)客观分析场的比较,结果表明:该方法所获得的温度、水汽反演结果与探空观测及ECMWF大气廓线分布一致,且AIRS因其高光谱分辨率(即高垂直空间分辨率)显示了精细的大气结构。

ReliefF-SVM RFE组合式特征选择人脸识别

针对人脸识别中因特征个数较多对识别的实时性和准确性影响较大的问题,提出了ReliefF-SVM RFE组合式特征选择的人脸识别方法。利用离散余弦变换提取特征和ReliefF对人脸图像特征集做特征初选,降低特征维数空间,再用改进的SVM RFE(Support Vector Machine Recursive Feature Elimination)选择最优特征,解决了利用SVM RFE特征选择时因特征数多而算法需多次训练耗时长的问题。对训练得到的特征排序表采用交叉留一验证方法选取最优子集,再由SVM分类识别。在UMIST人脸库上实验证明,可以在特征数为52时,达到98.84%的识别率,识别时间仅需0.037s。

苯酚含量预测的高斯过程回归模型

长期准确预测苯酚含量对双酚A生产过程的控制起着至关重要的作用。作为一种贝叶斯非参数模型,高斯过程本质上非常适合对长期持续的复杂过程进行建模。为此,提出一种基于高斯过程回归的苯酚含量预测模型。通过对高斯过程回归模型的协方差函数的选择与优化,在苯酚含量预测中取得了较好的测试结果。此外,采用ROC准则对生产过程的6个输入特征进行排序,并选择影响力较大的3个特征作为模型的输入变量,从而提高了模型的可解释性。

粮食价格传导机制特征研究

在现代市场经济体系中,价格成为市场在配置资源过程中的重要因子,粮食价格构成了其他价格的基础,粮食价格的变动则会引起其他商品价格不同程度的变动,文章选取了河南省2008年12月到2012年1月的最新月度数据进行分析,构建粮食价格传导的动态自回归分布滞后模型(ADL),研究发现粮食价格、农业生产资料价格及居民消费价格变化几乎同步;由下游到中游、中游到上游的价格传导具有长期均衡性并存在互逆性;影响系数呈现衰减趋势,相邻两期的作用相反。

基于混合特征选择的轻度认知功能障碍的诊断分类

为了有效提高轻度认知功能障碍(Mild Cognitive Impairment,MCI)的诊断分类效果,提出了一种基于Relief算法和支持向量机回归特征消除SVMRFE算法的混合特征选择方法 Relief-SVMREF,该算法首先利用Relief算法去除无效特征,同时针对Relief算法无法去除冗余特征的问题,本文利用皮尔逊相关系数对选择出的特征进行冗余分析,去除冗余特征。最后利用SVMRFE算法对选出的特征进行排序,得到最终排序系数。对得到的特征排序采用留一交叉验证方法获取最优子集,再用SVM分类识别。实验结果表明该方法能够取得更好的分类效果。

基于关键特征点的人脸校准技术研究

计算机以及网络通信技术高速发展使得人类利用生物特征来进行身份验证成为可能,由于人脸识别的方便性和可靠性,人脸识别逐渐在社会公共安全以及日常生活中扮演起了非常重要的角色。人脸检测,人脸校准,特征提取和分类这几个方面是一个完整人脸识别系统的处理步骤。其中,人脸校准对于人脸识别的准确性具有关键性影响,而人脸关键特征点的定位,是人脸校准的核心之一,直接影响到了人脸识别的精度。如果人脸特征定位不正确,可能会导致提取的脸部描述特征严重变形,即便是对人脸校准不准确也将导致识别性能的快速下降。因此,本文主要对基于关键点的人脸校准实现的问题进行研究,通过实现回归局部二值特征人脸校准算法,在保证有效人脸校准的同时尽量提取了人脸细节特征,具有较强的现实意义及研究价值。

多尺度YOLO人脸年龄估计方法研究

通过观察人脸估计年龄较为常见,但如何准确预测年龄则是一个难题。为提高人脸图像年龄估计的准确率,提出一种基于YOLO(You Only Look Once)模型的目标检测方法。将多尺度回归思想应用于卷积神经网络(Convolutional Neural Network,CNN),通过多尺度卷积改善模型对小尺寸目标的提取能力,结合特征通道分权重思想,改善特征提取操作中特征信息丢失的问题,构造决策树回归得到年龄估计。这种方法在人脸年龄图像库FG-NET上获得平均绝对误差(MAE)3.43,在GROUP数据集获得区间匹配度(AEM)62.4%。实验结果表明,通过多尺度特征回归以及通道权重分配,可以较为准确地进行人脸信息检测,并由此建立鲁棒性更强的人脸年龄估计模型。

基于智能视频分析的区域式客流计数算法

在客流计数的实现方法中,计算机视觉方式具有实时、准确、抗干扰能力强和经济适用的优势。比较常用客流计数算法,并针对铁路车站等与公共交通有关的人员密集场所提出基于智能视频分析的区域式客流计数算法。实验表明:基于智能视频分析的区域式客流计数算法具有良好的环境适应性,在系统配置要求不高的条件下准确率高,易于操作,实时性强。

复杂场景下的人数统计

室外复杂环境下的人数统计面临诸多复杂问题,如背景复杂、人群存在遮挡、与干扰物紧密结合的"不干净"人体等。这些因素给人数统计带来严重挑战。针对前景区域提取多种局部特征,并对各种干扰进行针对性处理。最后通过ε-SVR对特征进行回归得到人数计数,较好地解决不完全遮挡、常见干扰物、复杂背景造成的前景人体被分割等影响。同时针对处理不断提高的监控视频分辨率带来的实时性挑战,利用改进的混合高斯模型提高运算速度,使其适用于实际系统。

中国计算机硬件投入价格指数构造模型选择与分析

利用投入价格指数区分我国计算机硬件每期投入的物量变动与价格中变动，是测量我国计算机硬件投入经济价值的重要问题。目前我国这一数据的缺失，成为评价我国计算机硬件投入价值的“瓶颈”问题。论文通过建立我国计算机硬件投入价格指数模型，利用中关两国1986～2004年数据，构造我国计算机硬件投入价格指数序列，并对指数序列的可信度及波动原因进行了分析。

广义的戈登—舍费尔最优收获策略随机变化环境中的模型

提出了一种用于鱼类捕捞的非线性随机模型,该模型包括戈登—舍费尔模型和佩拉—汤姆林森模型,这些模型用于研究长须鲸、竖琴海豹和圣劳伦斯鳕鱼湾的大量数据。已经确定,从生物量方面来说,收集这些物种更有利。

基于梯度提升决策树的车轮轮缘厚度磨耗预测

轮对在列车走行过程中起着导向、承受以及传递载荷的作用,其踏面及轮缘磨耗对地铁列车运行安全性和钢轨的寿命都将产生重要影响。根据地铁列车车轮磨耗机理,分析车轮尺寸数据特点,针对轮缘厚度这一型面参数,基于梯度提升决策树算法构建轮缘厚度磨耗预测模型。在该模型的基础上,任意选取某轮对数据进行验证分析,结果表明:基于梯度提升决策树的轮对磨耗预测模型具有较好的预测精度,可预测出1~6个月的轮缘厚度变化趋势范围,预测时间范围较长,可为地铁维保部门对轮对的维修方式由状态修转为预防修提供指导性建议。

利用人工神经网络方法反演大气温度廓线

高光谱大气红外探测仪AIRS(Atmospheric Infrared Sounder)资料能够显示小尺度的大气温度垂直结构,为数值预报和天气诊断提供了更加准确精细的初始场。目前处理数据主要使用晴空大气业务反演国际MODIS/AIRS处理软件包I MAPP(International MODIS/AIRS Preprocessing Package)中的特征向量统计回归算法,由于统计法算法简单,反演精度受到较大限制。现提出一种利用人工神经网络的算法来对晴空状况下AIRS模拟辐射值进行大气温度廓线反演的方法,并与特征向量统计法结果相比较。结果表明,神经网络方法与特征向量统计法反演所耗时间相当,减小了反演误差,各高度层温度反演精度均有不同程度的改进,获得了较好的反演结果。